Adobe將開放Adobe Target中資料科學能力，整合Adobe Sensei與品牌自有演算法

現今全球成功的品牌已經採用資料科學來個人化體驗並解決客戶需求。越來越多的品牌正在構建其內部統計模型與演算法來提供量身訂製的體驗，但大部分品牌尚未完全利用人工智慧（AI）科技。

為改善這個狀況， Adobe （Nasdaq:ADBE）今天宣布將開放 Adobe Marketing Cloud 中個人化引擎 Adobe Target 的資料科學與演算法優化能力，讓品牌可在Adobe Target中插入自有的資料模型與演算法，進而傳遞最佳體驗給其客戶。此外， Adobe 同時宣布由 Adobe Sensei 支援的 Adobe Target 的新功能，進一步提升其客戶建議、精準定義目標、優化體驗和自動傳遞個人化產品產品的能力。

Adobe Experience Manager and Adobe Target 副總裁 Aseem Chandra 表示：「消費者期待已經飆升到一定高度，使得超級個人化對企業來說已經不再只是個選項，而是勢在必行。新創品牌已在發展他們的專有演算法。當品牌將他們的專業知識與Adobe 的 AI 和機器學習工具整合，便可預測客戶想要什麼，並在他們提出需求前提供，這將帶來巨大的商業價值和品牌忠誠度。」

對業界而言，導入專有演算法至領導行銷平台的能力是行業中最重要的。品牌可從結合產業專業與 Adobe Target 中Adobe Sensei 強大的機器學習與 AI 能力，大規模提供個人化客戶體驗並從中獲利。舉例來說，一家已創造了自己的演算法、用來預測哪個客戶最有可能對某種優惠產生回饋的金融服務公司，可藉由在 Adobe Target 中插入這種演算法對模組進行流量測試，進而對各個客戶傳遞最佳可能優惠。

此外， Adobe 還發表 Adobe Target 中由 Adobe Sensei 支援的的新功能，讓客戶可以獲得更多個人化體驗而感到開心。

一鍵個人化：

透過新的自動標定目標 （Auto-Target） 功能，行銷人員可在各種數位財產（包括網站、app、IoT使用者介面等）間快速地傳遞個人化用戶體驗。使用Adobe Sensei能力的自動標定目標功能可確認對各個客戶最佳體驗，並隨著客戶的後續行為持續優化這些體驗。舉例來說，一個飯店連鎖品牌可基於訂房紀錄與手機app互動，將其位於熱帶區的產業以及相關內容提供給已知偏好至溫暖的地區旅遊的會員。這將會與消費者產生更高的互動率並提升品牌忠誠度。

個人化建議：

Adobe Target 中新的建議技術讓品牌可利用消費者的意圖去更準確的預測怎樣的內容和產品是客戶接下來可能想看到的。基於自然語言處理（natural language processing）技術，個人化建議將消費者的舉動轉化成類語言的訊號。這些訊號以共通性做區分並用來傳遞更加客製化的消費者體驗。舉例來說，零售商觀察到某位消費者觀賞了環保洗衣技術的影片後購買了可分解的烘衣紙後，即可提供量身打造的環保洗衣精推薦。初步測試結果顯示這類資料科學的改善較其他演算法有60%的提升。

自動化優惠：

品牌可確保面向數以百計的潛在客戶在恰當的時間點給合適的人提供最佳優惠。舉例來說，金融服務公司可基於客戶每個人的瀏覽途徑、帳戶狀態、搜尋用詞等資訊，自動地提供其貸款、信用卡及線上帳單支付優惠。這將確保正確的優惠可在客戶旅程中正確的時間點提供。

精準目標標定:

隨著 Adobe Target 與 Adobe Analytics Cloud 強化整合，行銷人員現可使用行為分析與受眾資料做更深層的區隔進而達到更精準的目標標定。舉例來說， Adobe Analytic Cloud 洞察出某汽車品牌的活躍購車受眾中大部分使用智慧型手機手機蒐集下一部汽車的資料，便可透過 Adobe Target 為他們客制化個人化體驗。

作為 Adobe marketing Cloud 的一部分， Adobe Target 在過去超過十年憑藉 AI 和機器學習演算法並已獲得全球眾多大品牌的青睞，例如AT&T、聯想、萬豪酒店（ Marriott ）及 Sprint 。高度個人化體驗已在各種線上管道上使用，包括網頁、行動裝置、電子郵件或者其他管道。行銷人員使用 Adobe Experience Manager 及 Adobe Campaign 可以無縫管理並傳遞個人化內容。 Adobe Analytics Cloud 和 Adobe Advertising Cloud 的整合可確保所有的與客戶的互動是高度個人化的。 Adobe 近期獲的市調單位Forrester評選為數位智慧平台供應商領導者 （The Forrester WaveTM: 數位智慧平台2017年第二季報告) 並在包含行為定位和在線檢測等九個類別中都獲得了最高分。